장애인을 향한 시선 : 전장연 지하철 시위 관련 네이버 뉴스 댓글에 대한 텍스트 마이닝 분석

Q: 이 논문에서 정의한 이동권이란 무엇인가?

이동권은 장애인이 교통수단, 여객시설, 도로 등을 비장애인과 차별 없이 이용하여 이동할 수 있는 권리이다. 이는 인간의 존엄과 가치, 행복 추구권, 평등권, 그리고 인간다운 생활을 할 권리를 보장하기 위한 필수적인 기본권으로 인식된다.

Q: 전장연 시위 관련 뉴스 댓글의 주된 논의는 무엇이었는가?

연구 결과, 전장연 시위 관련 뉴스 댓글은 장애인 이동권이라는 본질적 내용보다는 정치적 논쟁으로 점철되었다. 댓글의 61.67%가 정치적 의견 표출에 해당했으며, 이준석 대표에 대한 옹호와 비판, 민주당 정부 책임론, 전장연을 좌파 단체로 규정하는 시각이 지배적이었다. 이동권 관련 내용은 거의 논의되지 않았다.

양혜승

doi:10.22876/kab.2023.37.6.006

추천

검색

질문

자료유형: 학술저널

저자정보: 양혜승 (전남대학교)

저널정보: 한국방송학회 한국방송학보 한국방송학보 제37권 제6호

발행연도: 2023.11

수록면: 197 - 241 (45page)

DOI: 10.22876/kab.2023.37.6.006

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

전국장애인차별철폐연대(전장연)의 지하철 시위를 다룬 뉴스에 비윤리적이고 반인권적인 내용의 댓글들이 난무했다. 우리 사회에 내재된 장애인에 대한 부정적 감정과 태도가 특정 사건을 계기로 노출된 것이었다. 이에 이 연구는 관련 뉴스가 폭증했던 2022년 3월 28일부터 30일까지 네이버 뉴스에 게재된 기사 622개를 수집한 후 기사에 달린 댓글 89,312개를 분석했다. 텍스트 마이닝 기법을 활용해 댓글의 빈출단어와 주요 주제 등 발화 양태를 고찰했다. 빈출단어 분석 결과, ‘이준석’이 ‘장애인’과 ‘시위’에 이어 매우 빈번하게 등장했고, 심지어 ‘전장연’보다 더 빈번하게 등장했다. 반면에 시위의 본질이었던 장애인 이동권 관련 단어들, 즉 ‘이동’, ‘이동권’ 등의 빈도는 상대적으로 매우 낮았다. ‘ㅋㅋㅋ’와 ‘ㅉㅉㅉ’ 같은 자음군도 매우 빈번하게 등장해서 이슈의 무게감과 대비되었다. 한편, 토픽 모델링을 통해 7개의 댓글 주제를 도출했다. (1)시민을 볼모로 한 시위 방식 비판, (2)사회적 약자에 대한 혐오, (3)출퇴근 시간대 시위에 대한 비판, (4)이준석 의견에 대한 비판, (5)이준석 의견에 대한 옹호, (6)민주당 정부 책임론, (7)전장연은 좌파 단체라는 규정이었다. 도출된 주제를 놓고 볼 때, 댓글의 시각은 시위에 대해 매우 부정적이었으며, 정치적 의견 표출이 지배적이었다. 한편, 기사의 프레임을 내용분석하여 5개로 분류하고, 기사의 프레임에 따라 댓글의 주제 비중이 어떻게 달라지는지도 분석했다. 그 결과, 댓글의 주제는 기사의 프레임에 일정 부분 영향을 받는 것으로 나타났다. 이러한 결과들을 바탕으로, 사회적 약자에 대한 우리 사회의 시선에 대해 논의하고, 아울러 언론의 시위 뉴스 생산 관행에 대해서도 논의했다.

The news coverage of subway protests organized by the Solidarity Against Disability Discrimination (SADD) was marked by a proliferation of comments containing unethical and anti-human rights content. This incident exposed deeply ingrained negative emotions and attitudes towards individuals with disabilities in our society. To investigate this matter, the study archived 622 articles from Naver News, published between March 28 and 30, 2022－a period of heightened news coverage－and analyzed 89,312 comments posted on these articles. Employing text mining techniques, the study investigated expression patterns, including frequently used words and prevalent discussion themes. The analysis revealed that ‘Lee Jun-seok’ was frequently mentioned, followed by the most common terms such as ‘the disabled’ and ‘demonstration’, surpassing even the frequency of ‘SADD’. In constant, words related to the fundamental right to mobility for disabled individuals, such as ‘mobility’ and ‘right to move,’ were relatively infrequent. Notably, prevalent repetitive character clusters (‘ㅋㅋㅋ’ and ‘ㅉㅉㅉ’) starkly contrasted with the seriousness of the issue. Furthermore, this study identified seven primary comment topics through topic modeling: Criticism of the protests involving citizens as hostages, Aversion towards the socially disadvantaged, Criticism of the protests during rush hours, Disapproval of Lee Jun-seok’s stance, Support for Lee Jun-seok’s viewpoint, Allocation of responsibility to the Democratic Party government, Labeling of SADD as a leftist organization. Concerning these topics, comments overwhelmingly expressed negative viewpoints about the protests, with a notable prevalence of political opinions. The study also analyzed the framing of news articles, categorizing them into five different types, and examined how the distribution of comment topics shifted in relation to these frames. The analysis demonstrated that the proportions of comment topics were partially influenced by the frames of the news. Based on these findings, this study discussed society’s perception of the socially underprivileged and the media’s approach to covering protest-related news.

#장애인 차별 #텍스트 마이닝 #네이버 뉴스 댓글 #이동권 #뉴스 프레이밍 #disability discrimination #text mining #Naver news comments #right to mobility #news framing

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)